头颈癌相关慢性淋巴水肿的光生物调节疗法研究

该数据集来自 clinicaltrials.gov,聚焦头颈癌(HNC)幸存者相关慢性淋巴水肿的光生物调节疗法(PBMT)研究

Abramson Cancer Center at Penn MedicineAbramson Cancer Center at Penn Medicine
clinicaltrials
浏览 2
表格Head and Neck CancerLymphedema of the Head and Neck
Photobiomodulation in Head and Neck Cancer-Related Chronic Lymphedema

基本信息

模态
表格
创建/更新时间
2026-10-28

资源简介

头颈癌相关慢性淋巴水肿的光生物调节疗法研究

该数据集来自 clinicaltrials.gov,聚焦头颈癌(HNC)幸存者相关慢性淋巴水肿的光生物调节疗法(PBMT)研究。源站描述显示,FDA 于 2006 年批准 PBMT 用于治疗乳腺癌相关手臂淋巴水肿(BCRL),研究者已开展两项初步临床试验,结果证明 PBMT 治疗 HNC 幸存者慢性淋巴水肿具有可行性、可接受性和初步疗效。本研究旨在进一步调查并确认 PBMT 对 HNC 相关慢性淋巴水肿的积极效果。数据可用于肿瘤康复、淋巴水肿治疗及 PBMT 疗效评估等方向(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:头颈癌、头颈部淋巴水肿。美国食品药品监督管理局(FDA)于 2006 年批准光生物调节疗法(PBMT)作为乳腺癌相关手臂淋巴水肿(BCRL)的治疗方法。研究者开展了两次初步临床试验。结果表明,PBMT 治疗头颈癌(HNC)幸存者慢性淋巴水肿具有可行性、可接受性和初步疗效。本研究的目的是进一步调查并确认 PBMT 对 HNC 相关慢性淋巴水肿的积极效果。

【主题与分类】

主题标签:Head and Neck Cancer、Lymphedema of the Head and Neck。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06837480

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06837480

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据说明

条件:头颈癌、头颈部淋巴水肿。美国食品药品监督管理局于2006年批准光生物调节疗法(PBMT)用于治疗乳腺癌相关的手臂淋巴水肿(BCRL)。研究人员进行了两项初步临床试验。结果表明,PBMT治疗头颈癌(HNC)幸存者慢性淋巴水肿具有可行性、可接受性和初步疗效。本研究的目的是进一步调查并确认PBMT对HNC相关慢性淋巴水肿的积极效果。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案